写在前面：这份白皮书我拖了大半年才动笔
人脸门禁这个圈子，今年其实挺热闹的。上半年我们纽豪斯团队连续交付了十几个项目，覆盖写字楼闸机、园区考勤、工地实名制、学校宿舍管理这些典型场景。一路下来最深的感受是：人脸识别门禁机早就不只是“刷脸开门”这么简单了，技术链路里坑不少，而且很多坑是文档里不会写的。
这一年里，我反复被人问起几个问题：人脸识别图像进入神经网络之后到底发生了什么？为什么同一台设备，有人用一直好用，有人用三天两头误报？活体检测到底能不能拦住照片和视频？接口联调时抓包到底该怎么抓，抓到的数据又怎么才能让人放心？这些问题零散分布在各处，但很少有人把它们串成一条完整的技术脉络。
所以我想借这份年度报告，把我们从产品设计、算法选型、硬件验证到项目落地的经验整理出来。不敢说是什么权威白皮书，就是一份踏踏实实的技术复盘。希望不管是产品经理、项目集成商、甲方技术负责人，还是准备入行的开发者，都能从中找到自己能直接拿去用的东西。本文默认你已经知道人脸识别门禁是什么，所以不讲基础概念，重点讲技术链路、选型逻辑、部署经验和安全闭环这些真正决定项目成败的细节。
1. 写在年度盘点前面：人脸门禁行业今年发生了什么变化
要说今年最大的变化，我认为不是算法本身，而是市场对人脸门禁的态度发生了根本转变。
前几年做项目，甲方提出最多的问题是“能不能识别准一点”，现在这些问题基本都默认能解决。大家开始关心的是：晚上逆光环境下还能不能稳？戴着口罩、帽子、眼镜能不能识别？活体检测会不会被手机照片骗过去？断电断网之后闸机怎么处理？底库里的照片会不会泄露？这些问题的重心，从“有没有”转移到了“好不好”和“安不安全”。
这个转变背后有几个实际推力。
第一，算法门槛被拉平了。过去想要一套好用的识别模型，要么找大厂买API，要么自己从零训练，成本极高。这两年开源模型和商用推理框架已经很成熟，像我们内部评测过的EasyAI这类第三方人脸识别引擎，开箱即用，底层用的也是ArcFace、CosFace这类主流训练策略。模型本身不再稀缺，稀缺的是怎么把它塞进一个成本可控、部署稳定、能适应复杂现场环境的门禁硬件里。
第二，市场对场景需求的分化比以前更明显。写字楼前台要速度快、体验好；工地实名制要识别率稳、能联网、能离线；学校宿舍要考虑未成年人隐私保护；园区机房甚至要求不联网也能独立运行。一台机器打天下的时代已经过去了，产品形态开始分叉。
第三，安全合规的压力被放大了。人脸数据属于生物特征信息，敏感程度和身份证号是一个量级的。甲方现在做招标评审，技术标里如果没有“活体检测”“隐私保护”“审计留痕”这几项，基本连入围都难。这意味着产品不能只做“识别的准”，还得把“失败的稳”和“数据的严”做扎实。
这一年的项目复盘让我得出的结论是：人脸门禁产品已经进入“系统化工程”阶段。单点技术再强，如果硬件、算法、协议、部署、管理任意一环掉链子，最终体验都会很难看。所以后面几章，我会按照一条完整的产品技术链路来展开，从图像如何变成向量，到硬件怎么选型，再到落地部署和协议安全，每一步都讲清楚逻辑和踩过的坑。
2. 技术主链路拆解：人脸图像是如何变成一串高维向量的
很多人把人脸识别想得很玄，其实一条链路拆开就五步：采集、检测、对齐、特征提取、比对。其中最关键也最容易被误解的，是“人脸图像进入神经网络之后，怎么变成高维向量”这一步。我先把全流程讲清楚，再单独展开神经网络部分。
2.1 图像输入与质量要求：先解决“能不能认出来”
识别系统的第一个瓶颈很少是算法，而是输入图像质量。门禁设备抓拍到的图像，和手机相册里的自拍完全是两回事。现场画面里人脸可能很小、姿态很偏、光线极差，甚至一半脸被口罩挡着。图像采集环节直接决定了后续所有算法的上限。
门禁产品在这块常做的处理有三个：
- 抓拍策略：连续帧检测，选质量分最高的一帧去做识别，而不是随便抓一帧。
- 画面裁剪：检测到人脸框后，把人脸区域裁剪出来再送入识别模型，减少背景干扰。
- 图像增强：对低照度画面做自适应提亮、去噪，对逆光区域做动态范围补偿。
一个容易被忽略的参数是“像素高度”。业内一般建议送入识别模型时，人眼间距不低于20像素。如果安装距离远或者摄像头视野太广，单张人脸像素数不够，再好的模型也白搭。所以门禁机选型时，先算清楚安装距离和焦距的配合，比纠结算法精度更优先。
2.2 人脸检测与关键点定位：找到脸和五官
图像进来之后，第一步不是“认出是谁”，而是“找到脸在哪”。这一步通常由人脸检测器完成，常用的有RetinaFace、SCRFD、YOLOv5-Face等。检测器输出的人脸框可能带角度，人脸在画面里可能侧着、歪着、低着头，所以紧接着要做人脸对齐。
人脸对齐依赖关键点检测器，一般是定位五个关键点：双眼中心、鼻尖、左右嘴角，也可以用106点甚至更多。关键点的意义在于给后续“摆正脸”提供坐标参考。你可以把关键点理解成一张脸的锚点，只有锚点找得准，才能把人脸从任意姿态还原到标准姿态，特征提取模型才能拿到稳定输入。
注意：检测器和人脸对齐模型的精度，对最终识别率的影响不亚于特征提取模型。很多项目里误识别的根因，不是认错了人，而是框没框准、脸没摆正。
2.3 归一化与预处理：把各种光照、角度拉回统一空间
检测对齐之后，人脸图像需要经过标准化处理再送进神经网络。标准化一般包括三件事。
第一是尺寸统一。主流的人脸识别模型输入尺寸通常是112x112、96x96或128x128，不管原图多大，都必须缩放成固定尺寸。
第二是像素值归一化。直观理解就是把0-255的像素值做一次线性变换，让数值落在模型训练的取值范围内，常见做法是(pixel - 127.5) / 128。这一步对数值稳定性影响很大，很多新人直接把原图丢给模型，结果识别率下降好几个点，往往就是忘了归一化。
第三是颜色空间处理。不同摄像头的白平衡、色彩偏移不同，正常做法是统一转到RGB空间，再按训练时的均值方差做一次标准化。如果现场灯光偏黄，而训练数据以正常日光为主，这一步能明显减少色偏带来的特征偏移。
2.4 神经网络特征提取：从像素到高维向量的关键一跃
预处理完成后，图像被送进特征提取网络。这里就是问题“人脸图像进入神经网络到输出高维度向量的过程”的核心答案。
需要先澄清一个概念：神经网络最初是从像素开始做卷积的，第一层卷积看到的是局部纹理，比如边缘、颜色块；再往后的层会把纹理组合成眼睛、鼻子、嘴这些语义部件；越往后，网络提取的抽象特征越接近“这个人的脸型结构”“五官比例”“皮肤纹理分布”这类全局特征。最终，网络会在最后一层输出一个固定长度的向量，比如128维、256维、512维。这个向量就是“人脸特征向量”或“人脸嵌入（embedding）”。
我借用这么个类比：向量的每一维可以理解为这张脸在一个特征轴上的“评分”，比如第1维可能和眼睛间距强相关，第2维可能和脸宽有关，第24维可能和下颌线条有关。512维的向量，就是512个不同维度特征的组合。同一个人的不同照片，在高维空间里会聚成一团；不同人的照片，在空间中会彼此分开。
训练环节通常还会加上ArcFace这类角度间隔损失函数，它的思想是把特征向量投影到超球面上，让同一个人尽可能聚拢，不同人尽量拉开。这也是为什么两个不同人算出来的余弦相似度，正常情况下都会落在比较低的区间。为了直观感受特征向量的形态，我写一段推理阶段的伪代码：
import cv2 import numpy as np # 假设 face_encoder 是已经训练好的特征提取模型 # detect_face 负责检测和对齐 frame = cv2.imread("door_camera_frame.jpg") aligned_face = detect_face(frame, target_size=(112, 112)) # 像素归一化：这是很容易漏掉的一步 aligned_face = aligned_face.astype(np.float32) aligned_face = (aligned_face - 127.5) / 128.0 # 送入网络，输出 shape 为 (1, 512) 的特征向量 feature = face_encoder(aligned_face[np.newaxis, ...]) print(feature.shape, feature)实际工程里还会做特征向量归一化，也就是把向量长度归一化为1。这样做的好处是，计算余弦相似度时可以直接用两个向量的点积，省一次除法，批量比对时能明显减少计算量。
2.5 特征比对与阈值决策：1:1和1:N到底差在哪
拿到特征向量之后，剩下的事就是比对。门禁场景有两种典型的比对模式。
1:1比对，意思是验证“你是不是某人”。比如刷脸之后报工号，设备把当前人脸和指定人员底库里的照片特征做一次比对，返回相似度。这种模式计算量小，也容易控制阈值。1:N比对，意思是识别“你是谁”。设备把当前人脸特征和整个底库逐一比对，找出最相似的人。应用在人脸识别门禁机上，一般就是1:N。
1:N模式下，底库规模直接决定性能压力。底库1万人，每刷一次脸就要做1万次特征比对；如果再做二次筛选或top-N重检，耗时会更明显。为了提速，工程上通常用FAISS这类向量检索库，或者对底库做聚类、哈希等索引压缩，把全量线性扫描变成近似最近邻搜索。
阈值设定也需要结合场景。阈值设得高，陌生人进不来，但员工本人也可能被拒；阈值设得低，通行体验顺滑，但错放风险上升。合理的做法不是拍脑袋定一个相似度，而是在正式上线前，用现场采集的人脸数据做一批“通过测试”和“拒绝测试”，统计相似度分布，找到分布重叠区域的平衡点。这一步叫“阈值标定”，很多项目方会忽略，但它才是体验稳定性的关键。
3. 硬件选型：相机、补光、算力与成本的四项平衡
算法再强，最终要落在硬件上。人脸门禁机的硬件选型本质上是一道平衡题，要在成像质量、算力、功耗、成本和结构尺寸里找到适合目标场景的解。
3.1 相机与镜头：视角、焦距、分辨率之间怎么取舍
摄像头模组是识别链路的起点，选型重点看三样东西：传感器尺寸、镜头焦距和视场角。
传感器尺寸决定进光量和低照度表现。门禁机大多用1/2.7英寸到1/1.8英寸的CMOS传感器。夜间场景多的项目，尽量选大靶面传感器，配合大光圈镜头，不然补光一开满屏噪点，识别率照样拉胯。
镜头焦距直接影响识别距离。焦距越长，看得越远，但视场角越小。人脸识别门禁机通常安装在1.5米左右高度，人脸距离设备约0.5米到1.5米。小于0.5米时，如果焦距过长，人脸会超出画面；大于2米时，如果焦距过短，人脸的像素数又不够。实际项目中不能只看参数表，一定要做现场视野实测。
分辨率也不是越高越好。常见的200万像素、400万像素对门禁识别完全够用，更高分辨率反而会带来更大的数据处理量和功耗。真正重要的是“有效识别距离内的人脸像素数”，而不是总像素数。
3.2 补光与红外：夜间识别效果的分水岭
夜间是门禁产品最容易翻车的场景。人脸成像靠反射光，环境暗了，识别率自然滑坡。补光方案大致分三类。
白光补光是最直接的方案，夜间效果稳定，但光线直射人眼会造成不适感，容易引起投诉。红外补光用的是不可见光，体验上更柔和，但对传感器有要求，必须用支持红外敏感特性的传感器，或者做双光谱方案。混合补光是目前很多中高端产品的做法：可见光负责彩色画面，红外光负责低照度识别，再配合软件融合。
我们实测发现，补光灯的角度比亮度更重要。补光灯直接对着人脸中心打，容易在面部形成高光斑，反而破坏特征。更稳妥的做法是采用侧面补光或扩散射出光，让光线均匀覆盖人脸区域。这个细节很多硬件小厂不重视，实际效果差异非常明显。
3.3 算力选型：边缘盒子、模组还是云端
人脸识别算法要跑在哪儿，是产品架构的核心决策。目前主流的算力平台有三类。
第一类是低功耗AI芯片方案，典型代表是瑞芯微RV1126、算力芯片公司的轻量级NPU等。这类方案的功耗通常只有2-4瓦，适合一体式门禁机，能跑轻量检测和特征提取模型，但训练大模型跑不了。第二类是边缘盒子方案，算力更强，可以挂多路摄像头，做多人同时识别或局部重识别，适合园区、工地这类需要覆盖多个出入口的场景。第三类是纯云端方案，设备只负责抓拍上传，识别在云端完成。云端方案的优势是算法更新方便、可以集中管理底库，但断网即瘫痪，延迟也受网络影响，在门禁场景里很难作为唯一方案。
我们产品线上的主力方案是设备端本地识别为主、云端管理为辅的混合架构。本地保证流畅性和离线可用性，云端只做人脸底库下发、通行记录同步和设备状态监控。这样即使网络中断，闸机也能正常工作，网络恢复后数据自动补传。
3.4 实测数据：不同方案的成本与性能对比
下面这张表是我们内部做技术选型时用的对比维度，根据多个项目实际运行数据整理，给大家一个大致参考。不同时期的芯片价格波动大，表中价格是相对量级，不代表实时报价。
| 方案 | 典型成本量级 | 功耗 | 单机识别耗时 | 适用场景 |
|---|---|---|---|---|
| 轻量AI模组一体机 | 较低 | 2-4W | 150-300ms | 室内人脸识别门禁机 |
| 边缘AI盒子 | 中高 | 5-15W | 80-200ms | 多路闸机、园区网格 |
| 云端识别 | 中（算力按量计费） | 设备端低 | 受网络影响 | 人少、网络稳定的场景 |
| 双光谱+边缘盒子 | 高 | 8-20W | 100-250ms | 户外、夜间、复杂光照 |
需要说明的是，这里的“识别耗时”指的是从拿到有效人脸帧到输出识别结果的算法耗时，不含抓拍等待、闸机开门动作等外围环节。在真实项目中，用户感知的“刷脸慢”往往不是算法慢，而是抓拍时机没调好，或者网络回传延迟，这两点在部署时反而更要重视。
4. 防作伪与活体检测：照片、屏幕、头模攻击的实战应对
人脸识别的隐患，在于2D照片和短视频很容易伪造。活体检测做的就是对“面前是不是一个真实的人”做判断。这一章我详细讲我们遇到过的攻击方式和最终落地的防御策略。
4.1 到底哪些攻击真实存在
我见过不少甲方拿着“照片能不能刷开”这种问题来验收，这里统一说下目前真实存在的攻击类型。
- 静态照片攻击：拿一张A4纸打印照片，或者手机里的正面照，对准摄像头。这是最廉价也最常见的方式，越是老设备越容易中招。
- 视频回放攻击：用手机或平板播放一段目标人的视频，在镜头前晃动。对只做静态检测的算法很有迷惑性。
- 3D头模或面具攻击：通过3D扫描或照片建模制作人脸面具，价格较高但目前确实有人在做，主要针对高价值场景。
- 屏幕翻拍攻击：把目标人照片显示在屏幕上，模拟人眼眨眼或头部微动，用来骗过“动作活体”类算法。
四类攻击的预防难度是递增的，成本也递增。门禁产品的安全等级应当根据场景来定。普通写字楼做到防照片、防视频即可；机房、实验室这类高安全场景，才需要考虑头模级防御。
4.2 活体检测的几种实现路径
活体检测大体分成动作配合型和静默型两种路线。
动作配合型要求用户按提示完成眨眼、张嘴、摇头等动作。优点是算法简单、成本低，缺点是通行体验差，高峰期会造成拥堵，而且屏幕翻拍加上动画模拟也能部分绕过。静默活体是目前主流，用户无需做任何动作，只需自然看向摄像头。实现方式又分成两类：一类是用RGB图像分析纹理、摩尔纹、景深等线索，判断画面是否来自真实皮肤；另一类是用红外或结构光成像，利用真实人脸的深度信息和红外反射特性来鉴别。
我们最终采用的是“双光谱静默活体”方案：红外图和可见光图同时抓取，红外图判断人脸轮廓和反射特征，可见光图分析纹理和摩尔纹。这样即使攻击者用高分辨率屏幕也较难同时骗过两个通道，因为红外通道和可见光通道的成像特性差异很大。
4.3 我们踩过的坑：误杀率怎么压下来
活体检测最大的工程难点不是拦不住攻击，而是误杀率太高。
第一次上红外活体时，我们遇到两个典型问题。第一是戴眼镜人群的误杀率明显偏高，眼镜镜片反射红外光会在特定角度形成高亮点，算法会误判为异常。后来我们加了“镜片反射区域检测”，只对非镜片区域提取活体特征，误杀率降下来不少。第二是补光不足时红色活体会偏暗，真实皮肤特征不明显，导致睡眠不足、肤色较深的人被误拒绝。解决方案是把活体判断和补光强度联动，光线不足时自动提高红外补光强度，再配合图像增强。
这里一个原则：活体检测的模型，不能只看离线测试集上的“拦截率”，还要盯着真实场景下的“误杀率”和“通过率”。我建议项目验收时同时准备三组测试数据：正常用户、照片攻击、视频攻击。正常用户通过率要压到99%以上，两类攻击拦截率要争取到99.5%以上，两者平衡才是好产品。
注意：活体检测不是一次性做完就结束了。攻击者会用新方式迭代，模型也需要定期用新的攻击样本做对抗训练。把活体检测做成“上线一次、用三年”的思路，在高安全场景里风险很大。
5. 部署落地中最容易翻车的五个环节
再好的设备，安装不当也会从九十分掉到六十分。这一章重点讲部署阶段最容易翻车的细节，都是我们从实际工程问题里总结出来的。
5.1 安装角度与高度：被忽视的识别率杀手
门禁机安装高度很讲究。我们建议屏幕中心线对准多数用户的“眉心高度”，成人一般在1.45米到1.55米之间。装太高，人脸在画面里俯视角度过大；装太低，设备容易被行人碰到，也容易拍到下巴和鼻子区域。安装时要考虑人群身高分布，儿童和坐轮椅人士使用的场景，高度要适当下调或者角度下倾。
安装角度上，设备仰角或俯角超过15度，识别率就开始明显下降。因为人脸对齐算法虽然能处理一定角度，但极端俯仰角会让人脸关键点定位偏差增大。现场如果只能斜装，优先保证摄像头对着人脸的正面方向，而不是对着通道方向。
5.2 逆光和背光的处理
户外门禁最常见的糟糕场景是“背对天空、面向设备”。人脸处于背光状态，摄像头看到的是一个大黑脸，识别率极低。
解决思路有三步：一是尽量选择有宽动态能力的摄像头，HDR开启后能同时保留亮部和暗部细节；二是物理层面调整设备朝向，避免镜头直接对着强光源；三是在软件层叠加自适应亮度均衡算法。实际项目里，很多问题不是换一台设备能解决的，而是安装位置和方向没选对。凡是预期有逆光的点位，我建议在方案设计阶段就做光照环境评估，别等装完才发现。
5.3 闸机联动与开门逻辑
人脸识别门禁机只负责“判断你是谁”，开门动作由闸机、电锁执行。联动逻辑设计不好，会出现“刷脸成功但门不开”“门开了但人没进去”之类问题。
联动逻辑的关键是“防尾随”和“一次一人”。常见做法是：设备识别成功后，把通过信号发送给控制器，控制器再驱动闸机开闸，同时在设定时间内关闭。如果同一张脸在短时间内重复触发，要及时拦截，避免跟在别人身后蹭开门。还有一种是“黑名单联动”，被拉黑的人刷脸后设备只记录不报警还是报警，必须在项目验收前明确。我们做过的项目里，因为报警联动机制没对齐，导致闸机在遇到黑名单时直接开门放行的事也是发生过的，这种错误绝不能犯。
5.4 人脸底库管理和扩容
底库管理往往在产品交付后被忽视，但它决定了长期可用性。
第一要解决的是“底库照片从哪里来”。一张模糊的自拍、一张多年前的证件照，识别效果会打折。最稳妥的方式是建立“登记时采集”流程：人员第一次注册时，现场拍三张不同角度的照片，自动选一张质量分最高的。这样底库照片一致性好，后续识别率自然高。
第二是“一个人多张脸”的问题。用人脸特征建立索引时，同一个员工登记了两张不同时期的照片，系统里会出现两个ID。此时要用员工ID做主键，特征向量做从键，确保一人只有一个通行档案。
第三是扩容规划。底库从1000人涨到10000人后，识别耗时会变长。选择算力平台时就要按“三年后的预期底库规模”来选，而不是按当下人数。算力不够时，再好的算法也跑不动。
5.5 断网、掉电、冗余
人脸门禁最怕的是什么？停电和断网。
门禁设备必须支持断电后自动恢复，并且开机后能快速回到工作状态。经过多次测试，我们把开机到可用状态压到了10秒以内，否则早高峰会堵人。同时，设备的识别结果和通行记录要先存在本地缓存，再异步上传。断网期间的所有记录，恢复后要能自动补传，不能丢数据。
如果是双门互锁、多通道联动的场景，建议做边缘控制器冗余。一台控制器挂了，另一台能无缝接管设备联动逻辑。虽然会增加成本，但高人流场景里投入产出比很高。
6. 接口联调与协议抓包：设备数据如何监管才放心
项目和算法负责人常忽略的一个环节是“设备的数据接口”。人脸识别门禁机不是独立孤岛，它要对接门禁控制器、考勤系统、访客平台、物业平台。数据接口怎么设计、日志怎么监管，直接影响系统安全性。
6.1 常见对接方式：HTTP、私有协议还是SDK
门禁设备对外对接常见有三种方式。
HTTP/RESTful API最常见，开发成本低，适合对接一般业务平台。原生私有协议通常是设备厂商自定义的二进制协议，性能好但兼容性差，联调成本高。SDK对接则把控制权放在集成方手里，适合深度的业务定制场景。我们对外交付时会同时提供HTTP接口和SDK，HTTP接口负责通行记录、设备状态、底库同步等常用动作，SDK负责需要深度定制能力的项目。
6.2 接口调试中的抓包方法论
前段时间在某个“三角洲平台”项目的联调中，我们遇到了一个很经典的对接问题：本地调试一切正常，部署到现场后通行记录偶尔丢失。后来我们自己对设备端做了完整的协议抓包分析，才定位到问题出在异地组网的超时时间设置上。
抓包这件事本身并不神秘，它就是在设备与服务器之间做合法通信的观测。联调阶段我强烈建议在可控网络环境下对设备接口做一次抓包，重点看四块内容：
- 请求结构体：字段名、字段类型、加密方式是否和文档一致；
- 超时与重传：设备端请求超时后是重传还是直接丢弃；
- 时间戳同步：设备本地时间和服务器时间是否存在偏差，偏差超过一定阈值会导致消息被丢弃；
- 签名与加密：敏感字段是否明文传输。
第一步先抓包，第二步用抓到的数据回放，第三步确认现场设备与测试环境的参数差异。这套流程下来，大多数联调问题都能被定位。比如用curl模拟设备请求，可以看到返回结果：
curl -X POST 'https://api.gateway.example.com/v1/devices/record' \ -H 'Content-Type: application/json' \ -H 'X-Device-ID: device-0178' \ -H 'X-Signature: 3dfe2f...' \ -d '{"event":"access","direction":"in","timestamp":"2025-01-12T08:30:01+08:00"}'不要在公网环境里直接用明文报文测试真实敏感数据，抓包时也应把设备密钥、人员照片等字段打码处理。这是基本的安全习惯。
6.3 防重放、防伪造：被忽略的安全闭环
抓包能帮我们观测数据，但也提醒我们：报文一旦被截获，就可能被重放。门禁系统里最大的安全问题之一，就是攻击者抓包后把“开门成功”的报文重新发给闸机，造成伪造放行。
防重放的标准做法是加时间戳加随机数加签名。设备端生成请求时，带上当前时间戳和随机数，再用设备密钥对整个报文做签名。服务端收到后先校验签名，再检查时间戳偏差，并记录随机数；相同随机数的请求在规定时间内只能被处理一次。只要签名密钥不泄露，攻击者抓到的报文就无法二次使用。
防伪造的另一个关键是设备唯一标识管理。每台设备要有独立的设备ID和密钥，云端下发指令时也要验签。去年我们做过一次技术排查，发现某批次设备用了同一个默认密钥，这意味着只要攻破一台，整个批次的设备都可能受影响。后来改成每台设备出厂时注入唯一密钥，才算把这个隐患堵住。
7. 数据、隐私与审计：人脸底库的治理闭环
人脸门禁项目牵扯的数据管理问题，很多人直到验收审计时才重视。人脸底库一旦泄露，后果非常严重。所以我把数据治理单独拿一章来讲。
7.1 本地化存储还是上云
很多甲方纠结人脸底库放在本地还是云端。我的建议是：能本地化就尽量本地化。
人脸识别门禁机的核心业务逻辑完全可以在本地完成，底库只存在设备或本地服务器上，云端最多保留脱敏后的统计数据和通行记录。只有需要跨园区统一管理或集中考勤的项目，才把底库上传云端。即便上云，底库也需要加密存储，并且严格限制导出权限。
我见过某些项目为了省成本，把底库直接放在公有云对象存储上，甚至没有加密。这种方案的隐患不是一朝一夕能看出来，等出事就晚了。数据安全上的投入不能省，尤其人脸这种强隐私数据。
7.2 脱敏、最小化、匿名化
人脸数据管理要守住三条原则。
一是最小化采集。只在人员登记阶段采集人脸照片，其他时段不得随意抓拍和存储。门禁设备在待机时持续检测周围人脸，这部分数据应当只用于活体检测和识别判断，不能保留原始抓拍图。可以设置“保留最近一次有效抓拍用于复检，其他立即删除”的策略。
二是脱敏处理。日志、报表、第三方分析系统里的原始人脸图片要打码，仅保留特征向量或匿名ID。人脸特征向量本身也是敏感信息，因为通过特征向量可以做身份追踪，同样需要加密存储。
三是匿名化。统计用途的数据，要切断“特征向量-人员身份”之间的关联。比如考勤报表只需要“工号、日期、进出时间”，不需要人脸照片，那就别把照片带入报表链路。
7.3 审计日志与权限管理
最后一个环节是审计。审计不是给监管看的，更是给运维团队自己用的。
设备的管理后台要有完整的操作日志，谁在什么时间添加了人员、删除了底库、导出了记录，都要能查到。人员角色要分级：普通运维只能查看通行记录，底库管理员才能增删人员，超级管理员才能导出审计日志。权限要按最小需要原则分配。
数据有效期也要有明确策略。离职员工、过期访客的底库记录，要在约定时间内自动清理。我们系统里默认设置为“访客权限到期后24小时内清除底库”，员工离职后由管理员触发清除，删除操作同样记录在案。这样才能形成“采集有告知、存储有加密、使用有授权、删除有期限”的闭环。
8. 下一步演进：表情识别、多模态融合与工程化思路
最后聊点我们对人脸门禁下一步演进的判断。
8.1 表情识别：从“认识你”到“看懂你的状态”
人脸表情识别是搜索热词里出现频率很高的方向，也是我们今年重点预研的技术之一。它和人脸识别门禁最大的区别在于目的不同：人脸识别回答“你是谁”，表情识别回答“你现在状态怎么样”。
在门禁场景里，表情识别的应用点其实比很多人想的更实在：员工疲劳状态分析、考勤时的情绪异常预警、工地场景的安全意识提醒。比如驾驶人员上岗前在门禁机上刷脸，系统同时判断表情和精神状态，疲劳迹象明显时给出休息提示，这种价值比单纯看脸大多了。
但表情识别落地难度也高。真实场景里头部姿态、遮挡、情绪表达差异很大，模型泛化比人脸识别更难。我们目前的思路是把它当作“轻量辅助能力”而不是核心决策依据，先做预警和记录，不做处罚和拦截，等数据积累够了再逐步提升模型权重。
8.2 多模态融合：人脸之外还能叠什么
多模态融合是门禁产品提升安全等级的有效办法。最成熟的组合是“人脸+刷卡”“人脸+指纹”“人脸+体温检测”。其中人脸+测温在疫情期间已经完全跑通，现在也被很多园区保留下来，继续作为健康状态的第一道筛查。
真正值得投入的方向是“人脸+步态/姿态”这种无感融合。人脸被口罩遮挡时，步态特征可以辅助识别；人脸识别失败时，姿态分析能判断是否有人尾随或翻越。这类技术虽然还在早期，但在园区安防的场景潜力很大。
多模态融合要注意的是体验设计。门禁是高频低时延场景，每次多加一个校验步骤，排队时间就上去了。所以设计原则应当是用“主模态负责体验、辅模态负责安全”，主模态多数情况下直接放行，只有风险等级升高时才触发辅模态校验。
8.3 从算法到量产：工程化思维决定项目成败
回看这一年，我们最大的收获其实不是某个模型精度提升了多少，而是把“算法-硬件-场景”三者绑定在一起的工程化能力。人脸识别门禁机看起来是硬件产品，本质上是一个算法系统在外场环境下的稳定运行问题。算法再好，跑在散热不足的盒子里一样掉帧；模型再准，装错角度照样误报。
我们内部对比过多个第三方人脸识别引擎，包括EasyAI和一些开源模型。说实话，光看离线精度差距都不大，真正拉开差距的往往是部署文档是否清晰、是否容易针对门禁场景调参、能不能本地化密钥管理。选择引擎时不要只盯着排行榜数字，要把“是否适合当前场景的硬件约束”放在更前面。
最后再说一点：做门禁技术，别总想着“一步到位”。从算法选型到硬件验证，到小批量试点，再到规模化部署，每一步都要留出数据复盘和调参的空间。今年我们踩过的坑，基本都是因为某个环节想当然了。把这些经验写进白皮书，也是希望后面的项目能少走点弯路。
我自己最喜欢的一个小改进来自现场反馈：设备识别成功后，原本只亮绿灯、开闸，后来我们加了一句短暂的语音提示“欢迎”，并且把提示音时长控制在0.5秒内。就是这个细节，让甲方团队觉得系统“有人情味”多了。门禁产品说到底还是给人用的，技术再复杂，最终体验都要落到细节里。这些细节，才是真正区分一套系统好用和难用的地方。
